Naver MCP服务器集成

“Naver” MCP服务器有什么用？

Naver MCP服务器是一款模型上下文协议（MCP）服务器，旨在将Naver的OpenAPI服务集成到AI开发工作流中。它作为AI助手与Naver外部数据源之间的桥梁，使开发者可以构建能够实时博客、新闻、图书、百科、图片和本地信息等多种搜索能力的助手。该服务器开放了多种读取和操作工具，可查询、检测和获取Naver的多样内容，实现高级上下文数据获取、复杂的提示词工作流及强大的自动化场景。凭借便捷的环境变量API凭证管理和模块化部署选项，Naver MCP服务器简化了在现代AI应用中利用Naver丰富内容生态的过程。

提示词列表

仓库或文档中未提及明确的提示词模板。

资源列表

仓库或文档中未列出明确的MCP资源。

工具列表

• 博客搜索：使用关键词在Naver上搜索博客文章。
• 新闻搜索：检索与搜索词相关的新闻报道。
• 图书搜索：查找图书并获取高级图书信息。
• 高级图书搜索：通过标题或ISBN获取详细图书信息。
• 成人内容检测：判断搜索词是否涉及成人内容。
• 百科搜索：搜索Naver百科条目。
• 咖啡馆文章搜索：在Naver咖啡馆中查找文章。
• 问答搜索：在Naver问答平台搜索问题与答案。
• 本地搜索：（提及，但未详细说明参数）
• 拼写纠错：对输入文本进行拼写纠错。
• 网页搜索：通过Naver进行网页搜索。
• 图片搜索：通过筛选条件搜索图片。
• 购物搜索：通过筛选条件查找商品。
• 文档搜索：在Naver生态中搜索文档。

典型应用场景

• AI助手内容聚合：使会话型AI按需获取并总结博客、新闻、百科或问答内容，提供更加具备上下文的响应。
• 市场与图书调研：让应用内搜索图书或商品，获取高级图书详情，或直接在开发工具中比较产品。
• 内容审核与过滤：自动化成人内容检测与拼写纠错，提高用户查询与生成内容的质量和安全性。
• 本地与社区洞察：获取本地信息或Naver咖啡馆文章，用于基于地理位置的推荐或社区驱动问答。
• 图片与多媒体搜索：通过Naver媒体API，让大模型搜索相关图片或文档，提升创意工作流。

配置方法

Windsurf

未提供Windsurf专属配置说明。

Claude

1. 在Claude Desktop中安装该包：

   pip install mcp-naver
   

2. 使用API凭证运行MCP服务器：

   python -m mcp-naver.hosts.claude_desktop \
     -e NAVER_CLIENT_ID=<YOUR NAVER CLIENT ID> \
     -e NAVER_CLIENT_SECRET=<YOUR NAVER CLIENT SECRET>
   

3. 编辑您的Claude配置文件，添加MCP服务器。
4. JSON配置示例：

   {
     "mcpServers": {
       "naver-mcp": {
         "command": "python",
         "args": [
           "-m", "mcp-naver.hosts.claude_desktop"
         ],
         "env": {
           "NAVER_CLIENT_ID": "<YOUR NAVER CLIENT ID>",
           "NAVER_CLIENT_SECRET": "<YOUR NAVER CLIENT SECRET>"
         }
       }
     }
   }
   

5. 保存配置并重启Claude Desktop，确认MCP服务器正常运行。

API密钥安全措施

通过环境变量在配置中存储API密钥：

"env": {
  "NAVER_CLIENT_ID": "<YOUR NAVER CLIENT ID>",
  "NAVER_CLIENT_SECRET": "<YOUR NAVER CLIENT SECRET>"
}

Cursor

1. 在Cursor中安装该包：

   pip install mcp-naver
   

2. 使用API凭证运行MCP服务器：

   python -m mcp-naver.hosts.cursor \
     -e NAVER_CLIENT_ID=<YOUR NAVER CLIENT ID> \
     -e NAVER_CLIENT_SECRET=<YOUR NAVER CLIENT SECRET>
   

3. 编辑您的Cursor配置以添加MCP服务器。
4. JSON配置示例：

   {
     "mcpServers": {
       "naver-mcp": {
         "command": "python",
         "args": [
           "-m", "mcp-naver.hosts.cursor"
         ],
         "env": {
           "NAVER_CLIENT_ID": "<YOUR NAVER CLIENT ID>",
           "NAVER_CLIENT_SECRET": "<YOUR NAVER CLIENT SECRET>"
         }
       }
     }
   }
   

5. 保存并重启Cursor，确认服务器可用。

API密钥安全措施

在您的配置中通过env安全存储Naver API凭证。

Cline

未提供Cline专属配置说明。

在流程中使用MCP的方法

在FlowHunt中使用MCP

要将MCP服务器集成到您的FlowHunt工作流，请先在流程中添加MCP组件，并将其与AI代理连接：

点击MCP组件打开配置面板。在系统MCP配置区域，使用如下JSON格式填写您的MCP服务器信息：

{
  "naver-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

配置完成后，AI代理即可作为工具使用该MCP，访问所有功能。请记得将"naver-mcp"替换为您的MCP服务器实际名称，并将URL替换为自己的MCP服务器地址。

概览

我们的看法

Naver MCP服务器为利用Naver API提供了丰富可操作工具，并为Claude与Cursor平台提供了清晰实用的安装文档。但它缺乏明确的MCP提示词、资源定义和更深度的集成/采样/根文档说明，对于高级MCP用例而言功能还不够完整。总体来看，该实现适合AI工作流中的Naver API访问，实用性强，但未充分利用MCP协议所有原生特性。

评分：6/10

MCP评分